Python中如何单独提取div内嵌套元素及指定数据？

完全可以实现，给你一套适合新手的Python方案，用BeautifulSoup库（爬虫入门常用工具）就能搞定，以下是具体步骤和代码：

步骤说明 #

1. 先安装必要的库（如果还没装）：

   pip install beautifulsoup4 requests
   

2. 解析目标HTML结构，定位到div#calendar_info_support后，分别提取所需内容：

完整代码示例 #

from bs4 import BeautifulSoup
import re

# 你的目标HTML内容（实际爬取时可以用requests.get获取网页内容）
html_content = '''
<div id="calendar_info_support">
      <a href="http://www.facebook.com/events/" target="_blank">Rescheduled from September 20</a><br>
      <br>
      <br>
      <br>
      <span class="calendar_info_doors_cover">
      6:30:PM
      <br>
      <a href="http://www.showclix.com/event/" target="_blank">$20 advance SC</a>
      </span>
</div>
'''

# 解析HTML
soup = BeautifulSoup(html_content, 'html.parser')
calendar_div = soup.find('div', id='calendar_info_support')

# 1. 提取第一个<a>的文本和属性
reschedule_a = calendar_div.find('a')
reschedule_text = reschedule_a.get_text(strip=True)
reschedule_href = reschedule_a['href']
reschedule_target = reschedule_a['target']
print(f"重排信息文本：{reschedule_text}")
print(f"链接地址：{reschedule_href}")
print(f"打开方式：{reschedule_target}")

# 2. 提取<span>内的时间
time_span = calendar_div.find('span', class_='calendar_info_doors_cover')
# 提取span里除子<a>外的文本并清理格式
time_text = ' '.join([text.strip() for text in time_span.stripped_strings if not text.startswith('$')])
time_text = time_text.replace(':PM', ' PM')
print(f"活动时间：{time_text}")

# 3. 提取第二个<a>里的$20和属性
ticket_a = time_span.find('a')
ticket_full_text = ticket_a.get_text(strip=True)
ticket_price = re.search(r'\$\d+', ticket_full_text).group()  # 精准提取价格
ticket_href = ticket_a['href']
ticket_target = ticket_a['target']
print(f"票价：{ticket_price}")
print(f"购票链接：{ticket_href}")
print(f"打开方式：{ticket_target}")

代码解释 #

• soup.find()：根据标签名、id或class定位元素，新手好上手
• .get_text(strip=True)：提取元素文本并自动去除首尾空格
• 提取属性直接用元素['属性名']，比如a['href']就能拿到链接地址
• 票价用正则\$\d+匹配，能精准提取$开头的数字金额

内容的提问来源于stack exchange，提问作者Jojeaux